洞察市场格局
解锁药品研发情报

客服电话

400-9696-311
医药数据查询

首页 临床进展 基于深度学习的计算机辅助内镜组学判断消化道癌浸润深度模型的构建与应用

【ChiCTR2300070637】基于深度学习的计算机辅助内镜组学判断消化道癌浸润深度模型的构建与应用

查看原文
立即下载
基本信息
登记号

ChiCTR2300070637

试验状态

正在进行

药物名称

/

药物类型

/

规范名称

/

首次公示信息日的期

2023-04-19

临床申请受理号

/

靶点

/

适应症

早期消化道癌

试验通俗题目

基于深度学习的计算机辅助内镜组学判断消化道癌浸润深度模型的构建与应用

试验专业题目

基于深度学习的计算机辅助内镜组学判断消化道癌浸润深度模型的构建与应用

申办单位信息
申请人联系人
请登录查看
申请人名称
请登录查看
联系人邮箱
请登录查看
联系人邮编

联系人通讯地址
请登录查看
临床试验信息
试验目的

基于深度学习的计算机辅助内镜组学判断消化道癌浸润深度模型的构建与应用。

试验分类
请登录查看
试验类型

连续入组

试验分期

诊断试验新技术

随机化

无

盲法

/

试验项目经费来源

无

试验范围

/

目标入组人数

/

实际入组人数

/

第一例入组时间

2022-08-01

试验终止时间

2024-06-30

是否属于一致性

/

入选标准

1. 训练集： （1）各中心单位2017年1月-2022年12月期间住院行内镜下粘膜剥离术（ESD）或外科手术证实为消化道癌患者（包括食管、胃、直肠）； （2）具有完整的病理诊断、病理分期（TNM）分期的报告； （3）患者术前接受超声内镜检查，医疗电子系统中具有清晰的超声内镜、白光内镜图像清晰肿瘤信息。 2. 测试集： （1）各中心单位2022年6月-2024年6月期间住院行内镜下粘膜剥离术（ESD）或外科手术证实为消化道癌患者（包括食管、胃、直肠）； （2）具有完整的病理诊断、病理分期（TNM）分期的报告； （3）患者术前接受超声内镜检查，医疗电子系统中具有清晰的超声内镜、白光内镜图像清晰肿瘤信息。；

排除标准

1. 其他类型的恶性肿瘤（如恶性间叶肿瘤等）； 2. 内镜图像不包含肿瘤信息或图像模型不清晰，难以鉴别肿瘤的层次。；

研究者信息
研究负责人姓名
请登录查看
试验机构

复旦大学附属肿瘤医院

研究负责人电话
请登录查看
研究负责人邮箱
请登录查看
研究负责人邮编

/

联系人通讯地址
请登录查看
更多信息
获取更多临床信息查看权限
立即前往摩熵医药企业版免费查询
示例数据
<END>

复旦大学附属肿瘤医院的其他临床试验

更多

复旦大学附属肿瘤医院的其他临床试验

更多

最新临床资讯

更多
摩熵医药企业版
50亿+条医药数据随时查
7天免费试用
体验产品